Numerische Methoden für Data Science

Durch das Wachstum an Datenvolumen stehen Unternehmen vor der Herausforderung, diese extrem großen Datenmengen ("Big Data") speichern und analysieren zu können. Dies ist entscheidend, um sie für weitere Prozesse zu verwenden. Herkömmliche algorithmische Methoden, die alle Daten betrachten, sind entweder nicht mehr anwendbar oder benötigen zu lange Rechenzeiten. In diesem Modul werden Sie numerische Methoden, Verfahren und Algorithmen kennenlernen, die auch für große Datenmengen noch effizient arbeiten und so erlauben, aus größeren Datenmengen Muster zu erkennen und wichtige Informationen zu extrahieren.

Präsenztermine:

• Samstag, 09. November 2024, 9:00 - 17:00 Uhr
• Samstag, 07. Dezember 2024, 9:00 - 17:00 Uhr
• Samstag, 11. Januar 2025, 9:00 - 17:00 Uhr
• Samstag, 08. Februar 2025, 9:00 - 17:00 Uhr

Klausur:

• Samstag, 22. Februar 2025

Grundlagen der Mathematik

Der Einführungskurs “Grundlagen der Mathematik” vermittelt den Studierenden Grundkenntnisse der höheren Mathematik und soll ihnen dadurch den Einstieg in das berufsbegleitende Studium bzw. den studienbedingten Wechsel von einer Hochschule an eine Universität erleichtern. Nach Abschluss des Kurses haben die Studierenden einen Überblick über die wichtigsten Themengebiete der Analysis und Linearen Algebra. Insbesondere beherrschen die Studierenden elementare Beweistechniken und sind mit den grundlegenden Begriffen der Mengenlehre, Vektorräumen und Matrizen vertraut. Zusätzlich haben die Studierenden einen Überblick über die Eigenschaften, die eine Funktion charakterisieren, hierzu zählen vor allem die Stetigkeit und Differenzierbarkeit einer Funktion. Außerdem machen sich die Studierenden mit den Definitionen der Konvergenz für Folgen und Reihen und dem Rechnen mit Grenzwerten vertraut. Auf Basis dieses Einführungsmoduls sind die Teilnehmer/Innen in der Lage weiterführende, mathematisch orientierte Veranstaltungen zu besuchen.

Zeitplan

• Elementare Beweistechniken
• Mengenlehre

• Vektorräume
• Online-Seminar zu Übungsblatt 1 und Übungsblatt 2

• Matrizen
• Online-Seminar zu Übungsblatt 3

• Folgen und Reihen
• Online-Seminar zu Übungsblatt 4

• Funktionen
• Online-Seminar zu Übungsblatt 5

• Online-Seminar zu Übungsblatt 6

Mathematische Optimierung betrieblicher Prozesse

Welche Produkte in welchem Umfang soll ein Unternehmen wann produzieren, um gleichzeitig die Nachfrage zu befriedigen, die Produktionskapazitäten auszunutzen und den vorhandenen Lagerplatz einzuhalten? Wann soll welcher Produktionsauftrag auf welcher Maschine einer Fabrik ausgeführt werden, um die Produktionslinien optimal auszulasten? Wie sollten die unterschiedlich qualifizierten Mitarbeiter einer Beratung auf die anstehenden Projekte verteilt werden, um diese effizient zu bewältigen? Dies sind gängige Probleme, die oftmals im Firmenalltag von erfahrenen Planern von Hand gelöst werden. Die Komplexität dieser Probleme steigt jedoch gewöhnlich exponentiell, sodass die händische Planung langwierig wird und nur suboptimale Lösungen liefert. Hier setzt mathematische Optimierung an. Sie lernen in diesem Kurs, welche Möglichkeiten es gibt, Produktionsprozesse und Ressourceneinteilungen mathematisch zu modellieren, und welche Algorithmen geeignet sind, diese zu optimieren. Anhand realitätsnaher Beispiele werden Sie unter Einsatz von Python üben, die Theorie in Praxis umzusetzen. Termine:

• Das Modul wird im Sommersemester 2025 nicht stattfinden.

Angewandte Statistik und prädiktive Methoden

Das Modul vermittelt Grundlagen statistischer Data Science. Dazu führt das Modul kurz in Grundbegriffe der Statistik wie Konfidenzintervalle und Hypothesentests ein und diskutiert anschließend lineare Modelle und die logistische Regression. Im weiteren Teil lernen Sie Methoden der angewandten Statistik kennen, die notwendig sind, um Prädiktionsmodelle unter statistischer Unsicherheit zu entwickeln und diese zu bewerten.   Präsenztermine

• Freitag, 9. Mai 2025, 09:00 - 17:00 Uhr - Terminüberschneidung mit Modul MdP
• Freitag, 13. Juni 2025, 09:00 - 17:00 Uhr
• Mittwoch, 9. Juli 2025, 09:00 - 17:00 Uhr

Data & Process Mining

Die Teilnehmer erhalten fundierte Einblicke in grundlegende Methoden, Verfahren und Konzepte des Data und Process Mining. Sie können diese, unterstützt durch Softwarewerkzeuge, auf gegebene Aufgabenstellungen anwenden und ihre Analyseergebnisse angemessen präsentieren und visualisieren.   Präsenztermine

• Donnerstag, 5. Juni 2025, 09:00 - 17:00 Uhr
• Freitag, 6. Juni 2025, 09:00 - 17:00 Uhr
• Donnerstag, 3. Juli 2025, 09:00 - 17:00 Uhr
• Freitag, 4. Juli 2025, 09:00 - 17:00 Uhr

Infrastruktur & Sicherheit

Die Analyse von großen Datenmengen, die unter anderem zum Zwecke der Business Intelligence und des Data Minings erforderlich ist, erfolgt auf Basis leistungsfähiger Recheninfrastrukturen, die in Rechenzentren zentralisiert sind. Dabei ergeben sich vielfältige Herausforderungen an die Architektur der eingesetzten Hardware, in Bezug auf Betriebsmodelle und ebenso in Hinblick auf die eingesetzten Software Frameworks für verteiltes Rechnen und zur Datenanalyse. Eine weitere Herausforderung stellt in diesem Umfeld die Sicherheit und der Datenschutz der dort verarbeiteten Daten dar. Dies gilt vermehrt in Zeiten des Cloud Computings, das die Systeme für mehrere unabhängige Nutzer zur Verfügung stellt. Die beiden Teile dieses Moduls widmen sich diesen Fragestellungen und vermitteln wesentliche Grundlagen, welche die Teilnehmer in die Lage versetzen, Cloud Computing effizient, effektiv, aber auch sicher und datenschutzfreundlich einzusetzen.  

Vertiefungskurs Mathematik - Statistik und Wahrscheinlichkeitsrechnung

Der Einführungskurs “Grundlagen der Mathematik - Vertiefung Statistik und Wahrscheinlichkeitsrechnung” vermittelt den Studierenden vertiefende Kenntnisse zu Statistik und Wahrscheinlichkeitsrechnung und soll ihnen dadurch den Einstieg in das berufsbegleitende Studium bzw. den studienbedingten Wechsel von einer Hochschule an eine Universität erleichtern. Nach Abschluss des Kurses haben die Studierenden einen Überblick über die Theorie der Integralrechnung und den Grundlagen der elementaren Wahrscheinlichkeitsrechnung und Statistik. Zusätzlich sind die Studierenden nach Abschluss des Kurses geübt im Umgang mit Zufallsstichproben, Schätzverfahren für Parameter und Hypothesentests. Auf Basis dieses Einführungsmoduls sind die Teilnehmer/Innen in der Lage weiterführende, mathematisch orientierte Veranstaltungen zu besuchen.

Zeitplan

• Integralrechnung

• Grundlangen der Wahrscheinlichkeitsrechnung (Teil 1)
• Online-Seminar zu Übungsblatt "Integralrechnung"

• Grundlagen der Wahrscheinlichkeitsrechnung (Teil 2)
• Online-Seminar zu Übungsblatt "Grundlagen der Wahrscheinlichkeitsrechnung (Teil 1)"

• Statistik
• Online-Seminar zu Übungsblatt "Grundlagen der Wahrscheinlichkeitsrechnung (Teil 2)"

• Online-Seminar zu Übungsblatt "Statistik"

Vertiefungskurs Mathematik - Differentialgleichungen, Taylorentwicklung und Integraltransformation

Der Einführungskurs „Grundlagen der Mathematik - Vertiefung Differentialgleichungen, Taylorentwicklung und Integraltransformation” vermittelt den Studierenden vertiefende Kenntnisse zu Differentialgleichungen, Taylorentwicklung und Integraltransformation und soll ihnen dadurch den Einstieg in das berufsbegleitende Studium bzw. den studienbedingten Wechsel von einer Hochschule an eine Universität erleichtern. Nach Abschluss des Kurses haben die Studierenden einen Überblick über die Theorien der Taylorentwicklung und Taylorreihen, der Integraltransformation und der Integralrechnung. Zusätzlich sind die Studierenden nach Abschluss in der Lage, gegebene Differentialgleichungen zu charakterisieren und in Spezialfällen deren Lösung zu berechnen. Auf Basis dieses Einführungsmoduls sind die Teilnehmer/Innen in der Lage weiterführende, mathematisch orientierte Veranstaltungen zu besuchen.

Zeitplan

• Taylorentwicklung und Taylorreihen

• Integralrechnung
• Online-Seminar zu Übungsblatt "Taylorentwicklung & Taylorreihen"

• Integraltransformation
• Online-Seminar zu Übungsblatt "Integralrechnung"

• Gewöhnliche Differentialgleichungen
• Online-Seminar zu Übungsblatt "Integraltransformationen"

• Online-Seminar zu Übungsblatt "Gewöhnliche Differentialgleichungen"

Stochastische Modellierung und Simulation

Im Modul „Stochastische Modellierung und Simulation“ werden die zentralen Begriffe, Zusammenhänge und Methoden der Stochastik intuitiv eingeführt und anhand zahlreicher Beispiele illustriert. Praxisnahe Übungen, die von den Studierenden selbstständig bearbeitet und zu den Präsenzterminen gemeinsam mit dem Mentor besprochen werden, sollen ein tieferes Verständnis für die vermittelte Thematik schaffen. Die in diesem Modul gelehrten Inhalten bilden nicht nur die Grundlage für weitere mathematische Module, insbesondere „Angewandte Statistik und prädiktive Methoden“, sondern werden auch in den meisten Modulen der Bereiche Wirtschaftswissenschaften und Informatik als zentrale Bestandteile wieder aufgegriffen.

Präsenztermine:

• Freitag, 8. November 2024, 09:00 - 17:00 Uhr
• Freitag, 6. Dezember 2024, 09:00 - 17:00 Uhr
• Freitag, 10. Januar 2025, 09:00 - 17:00 Uhr
• Freitag, 14. Februar 2025, 09:00 - 17:00 Uhr +++ Letzter Termin wurde geändert +++